動態心電監測系統介紹及關鍵技術水平分析

王吉鳴，呂穎瑩，包濤，樓理綱，馮靖祎

浙江大學醫學院附屬第一醫院 醫學工程部，浙江 杭州 310003

動態心電監測系統介紹及關鍵技術水平分析

王吉鳴，呂穎瑩，包濤，樓理綱，馮靖祎

浙江大學醫學院附屬第一醫院 醫學工程部，浙江 杭州 310003

心臟系統疾病的防治和診斷己成為當今醫學界面臨的重要問題，動態心電信號的監測是解決該問題的主要手段。本文首先在心電信號分析理論的基礎上，介紹動態心電系統的硬件組成，對心電電極及硬件電路研究結果進行總結；其次，重點闡述了現階段QRS波自動檢測技術，舉例說明運動偽跡干擾的濾波技術；再次，綜述了QRS波特征提取的國內外相關研究成果；最后，對比了基于心電信號數據和心電信號特征參數的質量評估方法，并列舉了國內外的心電信號質量評估案例。

動態心電圖；電極；QRS檢波；運動偽跡；質量評估

心血管疾病是嚴重威脅人類健康的常見疾病，心臟疾病的預防和治療問題亟待解決[1]。目前主要的心電監測系統包括靜態心電監測系統[2]、心率失常檢測、運動心電系統[3]及動態心電監測系統（Holter系統）。前3種方法的應用受患者的運動狀態以及關鍵參數（波形振幅、頻率等）的限制，缺乏靈活性及全面性。動態心電監測系統通過24小時監測患者日常生活中心電的變化情況，可以全面直觀的了解患者心電變化，所以被廣泛應用于目前的心電圖監測中[4]。該系統根據心電信號的生理形成原因，可通過檢測P波、QRS波、T波的不同波段以及間期組成，分析異常特性診斷患者的病理[5-6]。

動態心電信號具備信號幅值小、頻率低、差異性大、抗干擾能力弱等特點，其極易受到肌電噪聲、工頻噪聲、環境噪聲等因素影響[7]。所以設計的智能心電監測系統需要克服以上不良影響，得到最真實的心電信號，并在相關專業軟件基礎上分析心電信號的關鍵點和異常點。智能心電監測系統主要由硬件和軟件組成，硬件主要負責心電信號的采集處理與記錄，軟件主要負責心電信號的分析與結果比對。整個動態心電監測流程，見圖1。本文總結了智能心電監測系統在軟硬件研發過程中涉及到的相關技術，對相關技術進行分析及展望。

1 動態心電監測系統硬件介紹

圖1 動態心電監測流程

動態心電監測系統的硬件主要由兩個部分組成：心電傳感器和信號采集模塊。心電傳感器即心電電極是本系統的重要組成部分，其性能直接影響心電源信號的質量。現階段廣泛應用的心電電極是一次性銀-氯化銀濕性電極，因銀-氯化銀材料的導電性優越，且信號在該材料上損耗小，該電極在獲取心電源信號上具有獨特優勢。但長期接觸銀-氯化銀會導致毒性滲入皮膚，隨著動態心電監測系統品質要求的提升，逐漸涌現出一批新型材料心電電極。干電極的出現克服了濕電極的部分缺點，北卡羅萊納州立大學的朱勇等人發明了一種基于銀納米線的干電極，該電極較傳統干電極的優勢明顯，其信號采集質量與濕電極性能相當，且其不采用凝膠層結構，提升了患者佩戴舒適感[8]。由于濕電極的性能優越，研究者并沒有放棄該類型電極的研究，Lobodzinski等[9]應用生物電位光纖傳感器解決了濕電極與人體長期接觸引起的皮膚敏感問題。由于材料技術的發展，出現了電子織物心電電極，其將導電電極紡線編織入衣物內，患者只要穿著該類型衣物，便可以通過鑲嵌在衣物中的電極實時采集心電信號。較早完整地實現該技術的是韓國高科技研究院，他們提出的時尚平面電路板P-FCB，將電極集成到衣物上進行動態心電監測[10]。

動態心電監測系統的信號采集模塊，見圖2。其基本原理是通過電極采集心電源信號，由于動態心電監測信號的復雜特性，采集到的源信號幅值小（1 mV左右）、頻率低（0.1～100 Hz）、噪聲大。噪聲的來源主要有環境熱噪聲、工頻干擾等，另外由于人體處于運動狀態，動作會造成電極的變形、移位、擠壓，種種因素均會導致采集到的心電源信號不純凈，工程上稱之為運動偽跡干擾。所以需要對源信號進行信號調理，主要的調理步驟包括前端放大、低通濾波、工頻陷波、后端放大。采用多級放大電路主要為了克服噪聲信號的放大；低通濾波器將不屬于心電信號的噪聲濾除，一般以二階及以上低通濾波為宜；工頻陷波電路可以有效濾除50 Hz的工頻信號，一般采用雙T型陷波電路。將調理后的信號傳輸至微處理器，現階段常用的微處理器主要有MSP430、ARM芯片等，該類處理器的功耗低，在電池系統中表現出良好的功耗性能，且處理器自身帶有12位的ADC模塊，既能滿足心電信號的采集精度要求，又能節約硬件成本。由于動態心電監測信號需要記錄24 h的心電信號，系統的數據量大，一般數據存儲模塊會采用SD卡，其存儲容量可以達到GB級別，且具備體積小、數據讀取速度快、數據不易丟失等優點。

圖2 動態心電監測系統信號采集模塊

采集到的心電信號可以通過有線和無線兩種形式傳送至上位機進行數據分析。有線數據傳輸的局限在于需要患者在佩戴動態心電監測系統24 h后再將所有數據導入上位機，耗費的時間較長，但是其數據傳輸可靠性高，較少出現數據丟失的情況；無線數據傳輸可以克服空間時間的限制，做到實時數據上傳顯示，但無線傳輸可靠性較難保證，存在數據傳輸丟包現象，而心電信號對數據完整性要求較高，所以對無線數據傳輸提出了較高要求。2010年，Teo等人研發了基于SoC芯片的無線傳感器節點，將其應用于動態心電監測系統的數據傳輸上，較好的實現了心電信號的監測[11]。同年，我國的張兢等人也利用無線傳感模塊，研發了一套功耗低、數據傳輸穩定性良好的動態心電監測系統，并在實際應用中證實了裝置的可靠性。

2 QRS波自動檢測技術的介紹

心電信號監測需要軟件配合將心電信號中的有效信號提取出來，常用的抑制噪聲干擾的方法有數字濾波器法、小波濾波、自適應濾波等。1996年，Levkov等提出了采用分段處理信號的方法將采集到的信號進行線性和非線性段濾波[12]。國內也逐步涌現出一批有效的濾波算法，Zhang等[13]提出了基于多級、多尺度形態學的濾波器，該方法對心電信號的去干擾效果明顯。目前，由于肌電干擾帶來的心電信號噪聲仍然沒有特殊的解決方法，所以心電信號去干擾研究仍然十分具有前景。

2.1 運動偽跡干擾處理技術

在對經硬件調理后的心電信號進行特征檢測之前還需要完成另外一項重要的工作，即運動偽跡去除。運動偽跡給心電信號帶來的干擾圖，見圖3。

運動偽跡干擾的心電圖與普通異常的心電圖相似，若不加以區分極有可能給患者帶來錯誤的診斷。各學者在對運動偽跡信號干擾方面進行了大量深入研究，提出了各種信號處理技術，其中較成熟的信號處理包括自適應濾波、卡爾曼濾波以及小波變換濾波。自適應濾波最初是由Widrow B提出的，他將帶干擾的信號與參考信號進行比較，將得到的比較結果作為依據改變濾波器的相關參數，改進濾波器對應特定輸入信號的濾波特性，提高信號的信噪比[14]。另外也有相關學者應用加速度傳感器記錄人體運動特征，作為最終的數據處理中對應時間段的心電信號噪聲參考源[15]。

圖3 帶運動偽跡干擾的心電聯導信號

2.2 心電信號特征提取技術

在完成心電信號的濾波之后，需要對信號波形的特征進行提取，主要是提取并分析信號中的QRS波群，然后對QRS波峰峰值、面積、寬度、橫向偏移量、縱向偏移量以及信噪比等進行檢測。對QRS波群的特征檢測效果的好壞是決定動態心電監測系統產品關鍵，其直接影響患者的診斷結果，所以國內外學者提出了眾多對QRS波群的特征檢測方法，其中主要包括基于數學模型的QRS波特征提取、基于濾波和閾值檢測的QRS波特特征提取、基于模板匹配的QRS波特特征提取、基于小波變換的QRS波特特征提取等。特征提取的主要流程，見圖4。

圖4 QRS波特征提取的流程

基于濾波和閾值檢測的方法復雜性較低且應用簡單，在早期的動態心電監測產品中應用較為廣泛，但是由于方法的局限性以及信號的復雜性，對閾值的設定需要人為根據經驗法設定，其信號特征提取效果有限。當然早期學者也在此基礎上提出了較多的改進閾值檢測方法，例如Suppappola等[16]提出了改進閾值檢測方法，GritZali[17]提出了用閾值方法去分隔幅值，提取有效的信號特征。

基于數學模型的QRS波特征提取則將QRS波群進行數學模型的建立，根據數學模型來區分有效的QRS波，雖然效果顯著但是建模的步驟計算量大，而且模型建立對高頻噪聲特別敏感，在實際應用存在缺陷[18-19]。

根據小波變換方法展開的QRS波特征提取方法是在信號進行時域和頻域分析，將心電信號分解為多個尺度進行多維分析，其效果較好。國內的學者在基于小波變換的波群特征提取方面取得較多的成果。例如梁崴巍等人應用樣條小波的方法捕捉到了QRS波的始末點，針對確定區域內的QRS波形分析對病患的診斷更具說服力[20]。李翠微等人也是應用樣條小波的原理，但是他們在此基礎上分割出小波分析將噪聲信號與QRS波信號尺度，根據不同尺度的分析可以區分QRS波的始末點。也有學者將QRS波的特征進行聚類分析，得到相應的分析結果供病患研究[21]。

隨著數學計算方法與處理器硬件的發展，基于模板匹配的QRS波特征提取被越來越多的應用于實際心電監測產品，該方法的基本原理就是處理后的心電信號與模板庫中的信號進行比對，得到對應的特征參數，模板庫的大小決定了該方法的有效性，現階段的處理器內存技術已經可以完全滿足模板庫要求。

3 動態心電信號質量評估技術

心電信號用不同的方式進行硬件信號采集調理、軟件去噪、運動偽跡去除以及波形特征提取后，得到的信號也是千差萬別，要使研發的產品性能好、診斷正確率高，需要做心電信號質量評估。質量評估方案是近幾年提出的，其對心電監測系統產品質量的提高帶來了巨大的好處。

心電信號的質量評估方法總體上可以分為兩種：① 基于整體或者局部的信號數據進行質量評估；② 基于信號特征參數提取進行質量評估。前者主要涉及到數學計算方面的均方誤差、標準差、信噪比、峰值誤差等原理，通過對原始數據的計算，以及現有的質量評估標準，完成心電信號質量的分類。后者主要在完成QRS波特征提取之后，對得到的波形特征參數R波檢測匹配度，并且對Q波、R波、T波重合率等進行質量評估。前者應用數學方法可以實現簡單的心電信號質量分類，但并不能分辨出異常信號或者干擾信號處于整體信號的位置；后者雖然能分別異常信號與干擾信號，但同時也受制于噪聲干擾，若前端的QRS波特征提取效果不佳，將會直接影響信號質量的評估。

部分學者提出了一種直接的方法，在完成QRS波的特征提取后，將得到的波形面積進行分析，順序比較QRS波兩兩之間的面積，以直方圖直觀的顯示心電信號質量問題。該方法雖然直觀形象，但是僅采用波形面積一項參數作為質量評估基準，缺乏科學性。后面又出現了以心電信號的振幅時間、基線漂移振幅、最大振幅等參數作為評估基準，結合Mason-Likar導聯方法，綜合評價信號質量，使得評估結果更具說服力[22]。國內學者易曉霖[23]提出了一套動態心電信號質量評估方法，跟上述方法不同的是兩者提出的依據參數不同，其將QRS波群特征提取后得到的R波檢測匹配度也作為參數，結合QRS波群的功率譜密度比值，劃分不同質量等級的心電信號，該方法可行性較高且效果良好。

4 總結

我國是人口大國，心血管疾病患者及潛在患者數量眾多，這對動態心電監測系統提出很高的要求。心電監測系統在未來應該向全信息、多導聯、多功能方向發展，提高心電信號的監測性能和運動偽跡干擾的濾除，進一步提升系統的自動分析能力。

[1] Hossain P,Kawar B,Nahas M.Obesity and diabetes in the developing world a growing challenge[J].N Engl J Med,2007, 356(3):213-215.

[2] Pan J,Tompkins WJ.A real-time QRS detection algorithm[J]. IEEE Trans Biomed Eng,1985,32(3):230-236.

[3] 白家蓮.動態心電信號分析系統[D].長沙:中南大學,2009.

[4] 于南詳,陳東義,夏侯士戟.可穿戴計算技術及其應用的新發現[J].數字通信,2012,39(4):13-20.

[5] Huigen E,Peper A,Grimbergen CA.Investigation into the origin of the noise of surface electrodes[J].Med and Biol Eng and Comput,2002,40(3):332-338.

[6] 解鳳英,范秀華,梁朝霞,等.動態心電圖在小二心律失常與心率變異性診斷中的意義[J].現代生物醫學進展,2015,15(36):7144-7146.

[7] 郭繼鴻,張萍.動態心電圖學[M].北京:人民衛生出版社,2003: 10-36.

[8] 李肅義,楊美玲,丁梅,等.動態心電采集記錄系統的發展與展望[J].生物醫學工程雜志,2012,29(1):175-178.

[9] Lobodzinski SM,Laks MM.Biopotential fiber sensor[J]. J Electrocardiol,2006,39(4):S41-S46.

[10] Yoo J,Yan L,Lee S,et al.A wearable ECG acquisition system with compact planar-fashionable circuit oard-based shirt information technology in bio-medicine[C].IEEE Transaction on 2009,13(6):897-902.

[11] Teo HT,Qian XB,Gopalakrishnan PK,et al.A 700-wireless sensor node SoC for continuous real-time health monitoring[J]. IEEE J Solid-State Circuits,2010,45(11):2292-2299.

[12] Dotsinsky IA,Daskalov IK.Accuracy of 50Hz interference subtraction from an electrocardiogram[J].Med Biol Eng Comput, 1996,34(6):489-494.

[13] Zhang F, Lian Y.QRS detection based on multi-scale mathematical morphology foe wearable ECG devices in body area networks[J]. IEEE Trans Biomed Circuits Syst.2009,3(4):220-228.

[14] Romero,Inaki B,Torfinn B,et al.Motion artifact reduction in ambulatory ECG monitoring: an integrated system approach[A]. Proceedings of the 2nd Conference on Wireless Health, ACM[C]. 2011:1124-1135.

[15] Sung WY,Se DM,Yong HY,et al.Adaptive motion artifacts reduction using 3-axis accelerometer in e-textile ECG measurement system[J]. J Med Syst,2008,32(2):101-106.

[16] Suppappola S,Sun Y.Nonlinear transforms of ECG signals for digital QRS detection: a quantitative analysis[J].IEEE Trans on Biomed Eng,1994,41(4):197-400.

[17] Gritzali F.Towards a generalized scheme for QRS detection in ECG waveforms[J].Signal processing,1988,15(2):183-192.

[18] 楊凱,叢林,胡文東,等.基于BMD101的嵌入式無線心電監測系統[J].電子技術應用,2014,40(1):122-124.

[19] 凌振寶,李妹妍,張銘,等.基于ZigBee技術的無導聯線動態心電監測儀設計[J].電子技術應用,2015,41(8):66-71.

[20] 董春桃,隋偉,喻洪流.基于改進的差分閾值法心臟遠程監測的實時與回顧性分析[J].中國醫學裝備,2014,(11):51-54.

[21] 晏明軍.基于小波變換和FPGA的心電監測系統設計[J].電子測試,2014,(20):35-39.

[22] Langley P, Di Marco, LY,et al.An algorithm for assessment of Quality of ECGs acquired via Mobile telephones[J].Comput Cardiol,2011,38:281-284.

[23] 易曉霖.可穿戴心電信號質量綜合評估及節律分析系統[D].上海:東華大學,2012.

Introduction of Dynamic ECG Monitoring System and Analysis of Key Technical Level

WANG Ji-ming, LV Ying-ying, BAO Tao, LOU Li-gang, FENG Jing-yi
Department of Clinical Engineering, The First Affiliated Hospital of Medical School of Zhejiang University, Hangzhou Zhejiang 310003, China

Heart system disease prevention and diagnosis has become the top issue in medical field. Dynamic electrocardiography (ECG) signal monitor was the main mean to solve this problem. On the basis of ECG signal analysis theory, this paper introduced the hardware components of the dynamic ECG monitoring system, investigated the status of ECG electrodes and hardware circuit at home and abroad. In the algorithm aspects, it also elaborated QRS wave automatic detection technology. The paper illustrated the f lter technology of motion artifact interference, studied the related research results of QRS potter character extraction. Finally, it compared different quality evaluation method based on ECG signal data and ECG signal characteristic parameters, illustrated different cases of ECG signal quality evaluation.

dynamic ECG; electrode; QRS wave detection; motion artifact; quality evaluation

R541

A

10.3969/j.issn.1674-1633.2016.10.021

1674-1633(2016)10-0071-04

2016-03-31

2016-05-07

浙江省醫藥衛生科技計劃項目(201463043)。

馮靖祎，研究員，主要研究方向為臨床醫學工程技術與管理。

通訊作者郵箱：casper_feng@163.com